К содержимому
Другое

Tiny Aya Water Multilingual Safety LoRA

адаптеры для исследования мультиязычной безопасности LLM

2 мин чтенияобновлено

Набор LoRA-адаптеров (небольших надстроек над базовой моделью) и векторов управления поведением, созданный для исследования безопасности языковых моделей на разных языках. Проект построен на базе CohereLabs/tiny-aya-water и сопровождает научную статью о том, делает ли safety-дообучение модель действительно безопаснее или просто заставляет её чаще отказываться от ответа. В репозитории собраны адаптеры, обученные на одних и тех же 568 примерах на английском, японском и обоих языках сразу, а также контрольные варианты с разной длиной обучения. Материалы пригодятся исследователям AI Safety, которые изучают кросс-языковой перенос ограничений и проблему ложных отказов (over-refusal).

Ключевые особенности

  • Обучение затрагивает только один слой model.layers.18.mlp.down_proj (всего 208 896 обучаемых параметров при rank 16 и alpha 32).
  • Несколько конфигураций обучения в подпапках: одноязычные (en, ja), двуязычные (bi, bi_h2) и контрольные запуски на трёх разных seed.
  • В папку steering_directions/ добавлены направления в пространстве весов (формат .npz) для коррекции ложных отказов и вредоносных ответов.
  • Открытая воспроизводимость: автор опубликовал обучающие потоки данных, ответы моделей и оценки автоматического судьи.

Что можно сделать

  • Сравнить на практике, как safety-дообучение на одном языке влияет на долю отказов в другом языке (кросс-языковой эффект).
  • Применить готовые steering directions к матрицам o_proj и down_proj базовой модели, чтобы снизить число ложных отказов на безобидные запросы без полного переобучения.

Пример

from transformers import AutoModelForCausalLM, AutoTokenizer
from peft import PeftModel

base = AutoModelForCausalLM.from_pretrained("CohereLabs/tiny-aya-water", torch_dtype="bfloat16")
tok = AutoTokenizer.from_pretrained("CohereLabs/tiny-aya-water")
model = PeftModel.from_pretrained(base, "isaac369369/tiny-aya-water-multilingual-safety-lora", subfolder="ja/seed0")
ПодробнееМетрики (оценка Qwen3Guard 0.6B): базовая модель даёт 11.13% небезопасных ответов на английском и 15.37% на японском при 4.26% и 3.32% ложных отказов.
Двуязычный адаптер bi снижает долю небезопасных ответов до 4.03% (EN) и 9.68% (JA), но повышает ложные отказы до 36.00% и 15.35%.
Параметры обучения: PEFT LoRA (rank 16, alpha 32, dropout 0.05), AdamW 1e-4, 1 эпоха, batch size 1, max length 768.
Ограничения: разметка выполнена автоматически через Qwen3Guard без ручной проверки; лицензия CC BY-NC 4.0 (только для исследований).
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 6.2 GB · готовые файлы7.4 GB
  • FP8 / INT8рекомендуемвеса 3.1 GB3.9 GB
  • 4-bitвеса 1.8 GB2.4 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 5060 Ti 8GB

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Это LoRA: вместе с базовой моделью tiny-aya-water.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # isaac369369/tiny-aya-water-multilingual-safety-lora
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download CohereLabs/tiny-aya-water --local-dir ~/models/tiny-aya-water
    hf download isaac369369/tiny-aya-water-multilingual-safety-lora --local-dir ~/models/tiny-aya-water-multilingual-safety-lora
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к tiny-aya-water
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Нужна базовая модель

CohereLabs/tiny-aya-water

Эта модель — LoRA / адаптер. Сначала скачайте базовую модель, затем подключите к ней эту.

  1. tiny-aya-baseоснова семьи
  2. tiny-aya-water
  3. tiny-aya-water-multilingual-safety-lora

Новые посты про версии tiny-aya-base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 3Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 12Все на Hugging Face

О модели

isaac369369/tiny-aya-water-multilingual-safety-lora
Автор
isaac369369
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии